champagne anarchist | armchair activist

Data

De afspraak tussen Amsterdam en Airbnb: een verkennende analyse met open data

Airbnb ligt onder vuur. Het platform zou de leefbaarheid van Amsterdamse buurten aantasten en de woningprijzen opdrijven. Eind vorig jaar hebben Amsterdam en Airbnb een Memorandum of Understanding (MOU) getekend om misstanden aan te pakken. Volgens Airbnb is de afspraak nu al succesvol en moet de gemeente zich nu op andere platforms richten. Maar de gemeente wil een meldplicht invoeren voor vakantieverhuur, een plan waar Airbnb zich fel tegen verzet.

In dit artikel analyseer ik enkele veranderingen sinds de aankondiging van de MOU. Ik gebruik gegevens van Murray Cox (Inside Airbnb) en Tom Slee. Zij hebben op verschillende momenten tussen mei 2014 en mei 2017 de site van Airbnb gescraped (scrapen is het geautomatiseerd verzamelen van gegevens van websites). Gegevens over Airbnb zijn altijd controversieel, maar dit artikel legt uit waarom de gegevens van Cox en Slee een belangrijke aanvulling zijn op de cijfers die Airbnb zelf naar buiten brengt.

Zestigdagengrens

Amsterdammers mogen hun woning zestig dagen per jaar verhuren. Amsterdam en Airbnb hebben afgesproken dat het bedrijf advertenties voor woningen gaat blokkeren als die termijn wordt overschreden. Dit geldt voor zelfstandige woningen, maar niet voor kamers, want dat kunnen bed and breakfasts zijn en daarvoor geldt de zestigdagengrens niet.

Volgens Airbnb is er een forse daling van het aantal woningen dat meer dan zestig dagen per jaar wordt aangeboden. De MOU zou nu al zorgen voor minder illegale advertenties.

De grafiek hieronder toont hoeveel kamers en woningen meer dan zestig dagen per jaar beschikbaar waren, gebaseerd op gegevens van Murray Cox.

De grafiek laat inderdaad een daling zien van het aantal woningen dat meer dan zestig dagen beschikbaar is. Maar de daling begon in de eerste helft van 2016, ruim voordat de MOU werd ondertekend (laat staan uitgevoerd). Blijkbaar was er dus een andere oorzaak.

Misschien heeft het iets te maken met de handhaving door de gemeente zelf. Op 16 februari 2016 maakte Amsterdam bekend dat het zijn eigen scraper ging inzetten om informatie te verzamelen van vakantiehuurplatforms zoals Airbnb. In maart dienden GroenLinks en PvdA moties in waarin werd aangedrongen op strengere handhaving.

Woningtype aangepast

Betekent dit dat de MOU geen keerpunt vormde? Misschien toch wel, alleen op een andere manier.

De totaalcijfers over Airbnb vormen het resultaat van een complex samenspel van ontwikkelingen. Sommige advertenties worden van het platform verwijderd en nieuwe worden toegevoegd. Daarnaast veranderen verhuurders soms het woningtype van hun advertentie - van woning naar kamer, of andersom. Dit valt te zien in de grafiek hieronder (gegevens van Tom Slee).

Tot voor kort kwam het niet zo vaak voor dat verhuurders het woningtype van hun advertentie veranderden. Maar sinds de aankondiging van de MOU zijn er honderden advertenties omgezet van woning naar kamer. Zoals gezegd; in de MOU heeft Airbnb beloofd om advertenties van zelfstandige woningen te blokkeren als ze de zestigdagengrens bereiken. Misschien hebben mensen hun advertentie in «kamer» veranderd om de zestigdagengrens te omzeilen?

Ik heb gekeken naar woonruimtes die tussen begin maart en begin april 2017 zijn omgezet van woning naar kamer (gegevens van Murray Cox). Begin april was meer dan driekwart van deze woonruimtes meer dan zestig dagen per jaar beschikbaar. Dit zou kloppen met de theorie dat verhuurders de woningen in kamers hebben veranderd om de zestigdagengrens te omzeilen.

Op zich is het mogelijk dat deze verhuurders ook echt zijn gestopt om hun hele woning te verhuren en dat ze in plaats daarvan alleen nog een kamer verhuren. In dat geval zou je verwachten dat ze de prijs hebben verlaagd en dat ze de beschrijving hebben aangepast. Maar bijna nergens is de prijs verlaagd. Vaak heeft de verhuurder zelfs de beschrijving niet aangepast. In sommige gevallen vermeldt de advertentie nog steeds expliciet dat de gast de hele woonruimte voor zichzelf heeft.

Overigens is dit niet de eerste keer dat strengere handhaving leidt tot een grootschalige omzetting van woningen in kamers. In New York is hetzelfde gebeurd.

Conclusies

Met de beschikbare gegevens is het niet mogelijk om met zekerheid te zeggen wat er precies is gebeurd de afgelopen maanden. Even goed zijn er aanwijzingen dat de afspraak tussen Amsterdam en Airbnb misschien minder effetief is dan gedacht:

  • Er is een daling van het aantal woningen die meer dan zestig dagen te huur worden aangeboden. Deze daling begon echter ruim voordat de afspraak werd getekend. Ze zou een gevolg kunnen zijn van (de dreiging van) strengere handhaving door de gemeente zelf.
  • Nadat de afspraak tussen Amsterdam en Airbnb werd aangekondigd zijn honderden woningen omgezet in kamers. Dit zou een manier kunnen zijn voor verhuurders om de zestigdagenlimiet voor woningen te omzeilen.

Methode en gegevens

Zowel Murray Cox als Tom Slee scrapen regelmatig de website van Airbnb. De gegevens van Cox zijn uitgebreider (ze omvatten bijvoorbeeld de advertentieteksten en informatie over de beschikbaarheid). Slee verzamelt zijn gegevens frequenter, in ieder geval voor Amsterdam. Zowel Cox als Slee hebben hun datasets beschikbaar gesteld als open data (dank!).

Cox en Slee zijn niet de enigen die gegevens van de Airbnb website verzamelen; er zijn ook commerciële aanbieders. Verder is de gemeente Amsterdam begonnen om de website van Airbnb en andere platforms te scrapen. De gemeente lijkt deze gegevens alleen vertrouwelijk met gemeenteraadsleden te delen.

Voor wat betreft de omzettingen van woningtype: de cijfers vormen waarschijnlijk een onderschatting van het werkelijke aantal omzettingen, vooral voor de eerdere perioden. Je kan alleen een verandering van woningtype vaststellen als een advertentie zowel in de oude als in de nieuwe dataset zit. Hoe langer de periode tussen twee metingen, hoe groter het verloop (advertenties verdwijnen, er komen nieuwe bij) en hoe groter dus de kans dat veranderingen van woningtype onopgemerkt blijven.

Ik heb daarom een aanvullende berekening gemaakt waarin is gecorrigeerd voor de hoeveelheid overlap tussen de oude en de nieuwe meting. Het resultaat is hier te zien. Het beeld verschilt inderdaad enigszins van de vorige grafiek, maar de conclusie blijft overeind: vanaf eind 2016 was er een duidelijke toename van de omzettingen van woning naar kamer.

Ik heb Python gebruikt om de gegevens te analyseren. Hier is de code. Opmerkingen over de verwerking en interpretatie van de gegevens zijn uiteraard welkom.

Predictive policing

Media schrijven met enige bewondering over de nieuwe algoritmes van de politie, het Criminaliteits Anticipatie Systeem, dat in Amsterdam is ontwikkeld:

CAS legt daarin als het ware een raster over een wijk met ‘vakjes’ van 125 bij 125 meter. Als een vakje rood is, voorspelt CAS problemen zoals een straatroof. Het systeem doet voorspellingen binnen tijdslots van maximaal vier uur. De politie hoopt effectiever, dus goedkoper, te werken door op de juiste plek te surveilleren. Op basis van deze voorspellende kaarten worden roosters van sommige politieteams al ingepland.

Het klinkt als science fiction, schrijft het AD. Nou, niet echt: in Amerika worden dit soort methodes al jarenlang ingezet. Daar worden ook kanttekeningen geplaatst bij de suggestie dat algoritmes een «objectief» beeld van de werkelijkheid geven. Vrij Nederland vatte vorig jaar de argumenten van wiskundige Cathy O’Neil samen:

Als predictive policing-modellen aangeven dat er in arme wijken meer criminaliteit is, zullen de politiewagens meer rondrijden in de arme wijk en arme jongens betrappen die dezelfde dingen doen die rijke jongens ook doen, en die data gaan terug in het model dat daardoor nog sterker het beeld geeft dat het niet pluis is in de arme wijk.

Hier vind je een uitgebreide passage uit O’Neils boek, waarin ze ingaat op predictive policing.

Subsidies en topinkomens in Amsterdam

Amsterdam gaf in 2015 subsidie aan 38 organisaties die hun bestuurders meer betaalden dan de inkomensnorm die de gemeente hanteert voor zijn eigen personeel. Dat blijkt uit een overzicht dat raadslid Johnas van Lammeren (PvdD) heeft opgevraagd. Van Lammeren: «Dit is niet uit te leggen aan de Amsterdammer, én aan de werknemer […] Ik snap dat er soms uitzonderingen kunnen zijn, maar daarvoor is deze lijst veel te lang.»

Achtendertig instellingen lijkt misschien niet zo veel, als je bedenkt dat meer dan duizend organisaties subsidie hebben gekregen. Maar het verandert als je naar de bedragen kijkt. In 2016 gaf de gemeente meer dan 169 miljoen euro subsidie aan organisaties die in 2015 de inkomensnorm hadden overschreden. Dat is 38% van het totale subsidiebedrag van dat jaar.

Het grootste bedrag aan subsidies ging naar Welzijn en Zorg en een fors deel van dat geld kwam terecht bij organisaties die de inkomensnorm hadden overschreden.

Sommige subsidieregelingen werden voor meer dan tachtig procent benut door organisaties die de inkomensnorm hadden overschreden. Dat geldt bijvoorbeeld voor de Subsidie Brede talentontwikkeling en Jongerenwerk Nieuwe Stijl Zuid en de Begrotingspost Subsidie Economie (Organisatiespecifiek). Met die laatste regeling werd Stichting Amsterdam Marketing gesubsidieerd.

De subsidieverordening verwijst niet naar de Amsterdamse norm, maar stelt wel dat subsidies kunnen worden geweigerd als de norm uit de landelijke WNT, die wat hoger ligt, wordt overschreden. Verschillende gesubsidieerde organisaties die de Amsterdamse norm overschreden, staan ook in de landelijke WNT-rapportage over 2015, met inkomens die oplopen tot bijna drie ton. Zij beroepen zich op overgangsrecht waardoor ze formeel niet in overtreding van de wet zijn (of daarmee de weigeringsgrond van de Amsterdamse subsidieregeling ook vervalt, is een vraag voor juristen).

Vijf jaar geleden verscheen op Nieuws uit Amsterdam een overzicht van organisaties die subsidie ontvingen terwijl ze hun bestuurders ruim boven de Balkenendenorm betaalden. Het ging om Hogeschool van Amsterdam / Universiteit van Amsterdam, Stichting Arkin, GGZ InGeest, ROC van Amsterdam, Cordaan, Reade, Stadgenoot, Rochdale en mogelijk het Concertgebouworkest. Al die namen staan ook op het lijstje dat Van Lammeren heeft gekregen, en sommige staan ook al in het subsidieoverzicht van 2017. Er verandert blijkbaar weinig.

Methode

Het overzicht met gesubsidieerde instellingen die de Amsterdamse norm overschreden is afkomstig van AT5. Informatie over verleende subsidies is te vinden in het subsidieregister van de gemeente (zie ook de toelichting daar: bepaalde subsidies zoals loonkostensubsidies zijn niet meegenomen). Organisaties die deel uitmaken van dezelfde groep heb ik als een geheel beschouwd.

Academic support for Mélenchon, mapped

On Sunday, the first round of the French presidential election will be held. Left-wing candidate Jean-Luc Mélenchon has surged in the polls and rightwingers have called his programme devastating. On the other hand, over a hundred economic scientists have said he offers a serious and credible alternative to the destructive austerity policies of the past decades.

Given Mélenchon’s criticism of Germany’s economic policy and his support for Greece, one might expect academic support for his programme to be concentrated in the south of Europe. However, the map shows his academic supporters are also in countries like the UK and Germany.

Read more about Mélenchon’s programme here and here.

Method

I geocoded the affiliations of the list of supporters using this tool and Bing’s map api. Sometimes Bing gets the location of the institution right, sometimes it gives the location of the city where it’s located and sometimes it fails. I’ve corrected a few coordinates manually but I can’t rule out I missed any errors.

Reject all evidence: How George Orwell’s 1984 went viral last January

On Sunday 22 January 2017, Trump adviser Kellyanne Conway introduced the term alternative facts to justify disputed White House claims about how many people had attended Trump’s inauguration. The term alternative facts was quickly associated with the newspeak and doublethink of George Orwell’s novel Nineteen Eighty-Four. Sales of the book became ‘hyperactive’ during the following week.

I looked up some 150,000 tweets about Orwell’s ‘1984’ to see how interest in the novel developed during that week (note that analysing tweets is a somewhat messy business - see Method below for caveats).

But first, a basic timeline. On Friday 20 January, the inauguration took place. Afterwards, people started tweeting photos showing empty spots in the audience. On Saturday, the White House claimed the photos were misleading and that the inauguration had drawn the «largest audience to ever witness an inauguration». On Sunday, Conway appeared on NBC’s Meet the Press and defended the White House claim as alternative facts.

Alternative facts

The chart below shows tweets about Orwell’s 1984 and how many of those tweets specifically mention alternative facts. Immediately after Conway’s Meet the Press interview, the first tweets appeared that made the connection between alternative facts and 1984 (the green line in the chart). The real peak occured on Tuesday, when major media started to discuss the connection.

The alternative facts quote can explain some of the interest in ‘1984’, but there was also a peak in Orwell 1984 tweets even before the interview with Conway took place.

Amazon sales

Meanwhile, sales of the book ‘1984’ on Amazon started to rise. On Sunday, the day of the interview, it reached the top 20. On Tuesday, the Guardian reported it had reached number 6 and in the evening of that same day, it became the number 1 best-selling book on Amazon.

At some point, people started to discuss the rising book sales on twitter, as the chart below shows.

Tweets about sales of ‘1984’ didn’t really take off until Tuesday, and largely coincided with talk about the alternative facts quote.

Reject all evidence

That still leaves the question what the earlier Orwell 1984 tweets were about. Interestingly, almost all these earlier tweets contain the following quote from ‘1984’, which describes how the authorities redefine truth:

The Party told you to reject all evidence of your eyes and ears. It was their final, most essential command.

The chart below shows tweets containing this quote.

On Saturday evening, the White House had held its press conference at which it claimed a record number of people had attended the inauguration. The first reject all evidence tweet I could find was posted before that press conference, but the quote didn’t catch on until after the press conference. Within days, the quote was tweeted over 50,000 times.

In short, Conway’s remark on Sunday about alternative facts boosted interest in ‘1984’, but didn’t start it.

Meanwhile, the 1984 tweets probably reflect a broader phenomenon. Various media have discussed how dystopian novels like ‘1984’ are ‘chiming with people’ (get your reading list here).

Method

I used Python and the Tweepy library to search the Twitter API for orwell 1984. This method has limitations. Twitter provides a sample of all tweets and no-one knows exactly how much is missing from that sample. Further, searching for orwell 1984 may overlook tweets only mentioning orwell or 1984, or even nineteen eighty-four, as in the official book title.

The search for orwell 1984 yielded some 150,000 tweets. If the text contains both alternative and facts (this includes tweets containing #alternativefacts) I classified them as being about alternative facts; if they contain amazon or sales or bestseller or best-seller, I classfied them as being about sales. If they contain reject and evidence and eyes, I classified them as containing the quote «The Party told you to reject all evidence of your eyes and ears. It was their final, most essential command».

I used 9 am as the time at which Meet the Press was aired. For the time of the original White House claim about attendance at the inauguration, I used this recorded live feed which was announced to start at 4:30 pm; the actual press conference starts after about 1.5 hrs, i.e. 6 PM.

Pages